基于时序分析的微弱表情识别方法木.pdf

第 23卷 第2期 模式识别与人工智能 V01．23 No．2 2010年 4月 PR ＆AI Apr 2010 基于时序分析的微弱表情识别方法木 王上飞 张 锋 王煦法 (中国科学技术大学 计算机科学与技术学院 安徽省计算与通讯软件重点实验室 合肥 230027) 摘 要 依赖现有夸张的表情图像序列数据库，将微弱表情看成是整个夸张表情图像序列中的前面一段，提出基 于时序分析的微弱表情识别方法．首先融合二值图像和灰度图像序列的光流运动场，提取眉毛、鼻子和嘴巴的动作 方向及强度共5维特征序列．接着采用夸张表情特征序列训练隐马尔科夫模型(HMM)，分析特征序列与夸张表情 的关系．通过HMM前向学习识别微弱表情序列．同时采用 Boosting算法提高识别精度．在CohnKanade表情数据库 上进行实验验证，取得较好的实验效果． 关键词 微弱表情识别，时序分析，动作方向，动作强度，隐马尔科夫模型 (HMM) 中图法分类号 rrP391 M icro-ExpressionRecognitionFrameworkUsingTimeSeriesAnalysis WANG Shang—Fei，ZHANG Feng，WANG Xu—Fa (ComputingandCommunicatingSoftwareKeyLaboratoryofAnhuiProvince，Collegeof ComputerScienceandTechnology，UniversityofScienceandTechnologyofChina，Hefei230027) ABSTRACT Relyingonexistingexaggerated expressionvideodatabaseandmicro—expression beingregardedas formerpartofexaggerated expression imageseries，amicro-expression recognitionframework basedon timeseriesanalysisispresented．Firstly，five dimensionsfeature series，action directionand intensity rateofeyebrows，noseandmouth，areextractedbyfusingopticalflow fieldofbinaryvideosand gray ones．Secondly，hiddenMarkovmodelsaretrainedbyadoptingexaggeratedexpressionfeatureseries，the relationshipbeinganalyzedbetweenfeatureseriesandexaggeratedexpressions．Finally，thesemodelsrae usedtopredictthevariety trendofmicro—expressionsand recognize them and boostingalgorithm is employedto increaserecognition accuracy．Theeffectivenessofthe approach isevaluated on Cohn Kanadefacialexpressiondatabaseandapreferableexperimentresultisobtained． KeyW ords Micro—Expression Recognition，TimeSeriesAnalysis，ActionDirection，ActionIntensity， HiddenMarkovModels(HMM) 国家863计划项 目(No．2008AA01